FUNDAMENTOS DE ANÁLISES DE DADOS

Autor

João Ricardo F. de Lima

Data de Publicação

15 de julho de 2024


Por que usar o R?


  1. O R É uma linguagem de programação usada principalmente para estatística computacional;
  2. O R É gratuito;
  3. O R É um substituto mais do que perfeito do Excel;
  4. Existe uma comunidade incrível trabalhando na plataforma. Existem mais de 500 blogs e sites que tratam de R;
  5. É possível unificar todas as operações em um mesmo ambiente, automatizando as rotinas;
  6. Não é uma linguagem voltada apenas para estatísticos;
  7. Liberdade maior para se apresentar os resultados;
  8. O R É excelente para se fazer gráficos de alta qualidade.


Instalação do R?


O R pode ser baixado no site http://www.r-project.org. A versão atual é a 4.4.1, mas constantemente são lançadas novas versões. Para uma melhor interface com o usuário, recomenda-se usar um outro software, chamado R-Studio, que pode ser baixado no site http://www.rstudio.com. O R deve ser instalado primeiro e depois o R Studio. O R Studio não funciona se o R não tiver sido instalado.


RStudio


Quando se abre o RStudio, é possível ver quatro áreas. Na parte esquerda superior se digita as linhas de comando para o R executar. Na parte esquerda inferior (console) é mostrado o output, ou seja, os resultados. É possível digitar os comandos no console também e funciona como uma calculadora. Na parte direita superior é onde se pode ver uma lista de objetos do R. Na parte direita inferior se pode ver os arquivos, gráficos, pacotes instalados e a ajuda (help).


Packages


O que são “pacotes”? R é construído em torno de pacotes (arquivos que contém comandos para realizar uma tarefa específica), tem uma estrutura (que inclui um número de pacotes) e contribuições de algoritmos feitos por usuários do mundo inteiro. Existem muitos pacotes que já vem no R. Existem também diversas contribuições que não estão embutidas na instalação do R. É necessário ir em locais específicos para encontrá-los:


  1. CRAN (Central R Network);
  2. GitHub


Como acessar as funções dos pacotes


Após a instalação dos pacotes [install.packages("nome do pacote")] é necessário “carregá-lo” para a memória do R. Os pacotes estão intalados mas não são carregados automaticamente. Para carregar, usar o comando library(nome do pacote). Geralmente se coloca todos os pacotes a serem utilizados na parte de cima do script.

Se o pacote não existir no computador, o R retorna uma mensagem de erro -\(>\) Error: could not find function “nome do pacote”;

O R é “case sensitive”, ou seja, se o comando estiver escrito em maiúsculo e a pessoa digitar minúsculo, ele não reconhece. O uso de “#” indica que o escrito na linha é apenas um comentário.


Help


Como usar o Help? A forma mais simples é ?? na frente do que se deseja obter ajuda. Outra possibilidade é recorrer a internet. Existem centenas de sites em português ou inglês com soluções para problemas encontrados em R:


  1. https://www.r-bloggers.com/
  2. http://stackoverflow.com/
  3. https://stats.idre.ucla.edu/r/
  4. https://analisereal.com/
  5. https://sites.google.com/site/marcosfs2006/


Dicas


Usando as setas do teclado é possível acessar o histórico de comandos, repetir um comando ou corrigir um comando escrito incorretamente, sem precisar digitar tudo novamente. Tudo no R é um objeto. É como a lógica do programa funciona. Assim, ao invés de tabular um resultado, para o R se está criando uma tabela, por exemplo.

Os objetos do R podem ser variáveis, arranjos de números, funções, etc., sendo criados e armazenados por um nome. Uma coleção de objetos armazenados se chama workspace. A lista de objetos armazenados pode ser visualizada com o comando objects() ou list().

Os comandos no R são escritos da mesma forma, tendo um nome e, entre parentes, as opções diversas e os dados nomedafuncao(parte1, parte2, etc). A função rm() deve ser utilizada para se remover objetos. A função rm(list=ls() apaga todos os objetos.

Todos os objetos criados em uma sessão do R podem ser armazenados em um arquivo para uso em sessões futuras. No final de toda sessão, o R pergunta se quer salvar os objetos disponíveis. Caso se queira, o R vai criar um arquivo .RData no diretório e as linhas de comandos serão guardadas em .Rhistory. O ideal é que se tenha um diretório para cada análise realizada no R.


R como uma calculadora


R pode ser usado como uma calculadora, digitando diretamente no “prompt” e apertando “Run” ou Ctrl+Enter:

[1] 3
[1] 1
[1] 2
[1] 2
[1] 4

Regras normais de cálculo se aplicam:

[1] 8
[1] 12

O R pode gerar números aleatórios

R contém muitas funções matemáticas:

[1] 2.302585
[1] 9.974182
[1] 3

R também possui os operadores:

== igual

> maior

>= maior ou igual

<= menor ou igual

!= diferente

& “e”

| “ou”

Outros elementos importantes são max, min, range (mostra o menor e o maior valor de um vetor), length(x) (mostra o número de elementos no vetor x), sum(x) dá o somatório total de elementos em x.

Duas funções estatísticas importantes são a média e variância de uma variável aleatória e podem ser obtidas através dos comandos mean(x) e var(x). Uma outra forma de obtê-las é fazendo sum(x)/length(x) ou sum((x-mean(x))^2)/(length(x)-1).

sort e sort.list() são comandos que podem ser utilizados para ordenar dados de forma crescente ou decrescente.

Vetores

O R funciona com o que se denomina “estrutura de dados”. A estrutura mais simples é um vetor numérico, que é um objeto constituído de uma coleção ordenada de números. Normalmente, se deseja realizar uma mesma operação para vários números ao mesmo tempo. Assim, primeiramente é necessário criar um objeto vetor que armazena estes números:

[1] 1 2 3 4 5

tudo em R é um objeto, aqui v é um objeto usado para armazenar 5 números, a “seta” é o operador que armazena algo, c() é um comando (função) usado para criar uma lista com os valores a serem guardados.

Vetores podem ser guardados usando :, se os valores forem contínuos:

[1] 1 2 3 4 5

Para criar um vetor com três numeros 1, quatro 2’s, e cinco 3’s, existem várias possibilidades:

 [1] 1 1 1 2 2 2 2 3 3 3 3 3
 [1] 1 1 1 2 2 2 2 3 3 3 3 3
 [1] 1 1 1 2 2 2 2 3 3 3 3 3

1:30 é a sequência de número de 1 a 30. Se fizer o inverso, 30:1, se tem a sequência de forma decrescente; A função seq() tem várias facilidades para se gerar sequências de números.

 [1] -5.0 -4.8 -4.6 -4.4 -4.2 -4.0 -3.8 -3.6 -3.4 -3.2 -3.0 -2.8 -2.6 -2.4 -2.2
[16] -2.0 -1.8 -1.6 -1.4 -1.2 -1.0 -0.8 -0.6 -0.4 -0.2  0.0  0.2  0.4  0.6  0.8
[31]  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0  3.2  3.4  3.6  3.8
[46]  4.0  4.2  4.4  4.6  4.8  5.0
 [1] -5.0 -4.8 -4.6 -4.4 -4.2 -4.0 -3.8 -3.6 -3.4 -3.2 -3.0 -2.8 -2.6 -2.4 -2.2
[16] -2.0 -1.8 -1.6 -1.4 -1.2 -1.0 -0.8 -0.6 -0.4 -0.2  0.0  0.2  0.4  0.6  0.8
[31]  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0  3.2  3.4  3.6  3.8
[46]  4.0  4.2  4.4  4.6  4.8  5.0

Vetor aritmético

Vetores podem ser usados em expressões matemáticas, que é o caso em que a operação é feita elemento a elemento;

[1] 10.4  5.6  3.1  6.4 21.7
 [1] 10.4  5.6  3.1  6.4 21.7  0.0 10.4  5.6  3.1  6.4 21.7
[1] 21.8 12.2  7.2 13.8 44.4

Além do que, quando se aplica qualquer função a um determinado vetor (como em v), a função será executada separadamente para cada observação no vetor.

Valores Faltando

Existem situações que não se tem todos os valores de um vetor, ou seja, ele é um missing value. Nos lugares em que existem estes números faltando, aparece um NA (not available). Qualquer operação envolvendo um NA se torna um NA: 2*NA=NA, por exemplo. Para saber se existe algum NA em um objeto, a função is.na() é muito útil.

[1]  1  2  3 NA
[1] FALSE FALSE FALSE  TRUE
  1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18  19  20 
  0   1   0   0   0   1   0   1   0   0   0   1   1   0   0   0   0   0   1   1 
 21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40 
  1   0   0   0   0   0   0   0   0   0   1   0   0   0   0   1   1   0   0   0 
 41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60 
  0   1   1   0   0   1   0   1   1   0   0   0   0   0   1   0   0   0   0   0 
 61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80 
  0   0   0   1   2   1   0   1   1   0   0   1   0   0   0   0   1   0   1   0 
 81  82  83  84  85  86  87  88  89  90  91  92  93  94  95  96  97  98  99 100 
  0   2   0   0   0   1   1   0   0   1   0   0   0   0   0   0   1   0   0   0 
101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 
  0   0   0   0   1   0   0   0   0   0   0   2   1   1   0   0   1   0   0   1 
121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 
  0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   1   0   0   1 
141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 
  0   0   0   0   0   1   0   0   0   0   0   0   1   0   0   1   0   1   0   0 
161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 
  1   0   0   0   0   0   0   1   0   1   2   1   0   0   0   0   0   1   1   1 
181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 
  0   0   0   0   0   0   0   0   0   0   1   0   1   0   0   0   1   0   0   1 
201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 
  0   0   0   1   0   2   0   0   1   0   0   0   0   0   0   0   0   0   0   0 
221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 
  0   2   1   0   0   1   1   1   2   2   0   2   0   0   0   0   2   0   0   0 
241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 
  0   0   1   1   3   0   0   0   1   0   0   0   2   0   0   0   0   0   1   1 
261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 
  2   0   1   0   0   0   1   0   1   0   0   1   2   0   1   0   0   0   1   0 
281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 
  0   0   0   1   1   0   0   0   0   0   0   0   0   0   2   0   2   1   0   0 
301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 
  1   0   0   0   0   0   2   0   0   0   0   0   0   2   0   0   2   0   1   0 
321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 
  3   0   1   0   0   0   1   0   0   0   1   0   0   0   0   1   0   0   0   0 
341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 
  0   0   1   0   0   0   1   0   0   0   0   2   0   0   0   0   0   0   0   1 
361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 
  0   0   0   1   0   0   0   2   0   0   0   0   0   0   0   0   0   0   0   0 
381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 
  0   0   0   0   2   0   0   0   0   1   0   0   2   0   1   0   0   0   0   1 
401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 
  0   0   0   0   0   1   0   1   0   0   0   2   0   2   0   0   1   0   0   0 
421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 
  1   0   0   0   2   0   1   0   0   2   0   0   0   1   0   0   0   0   1   0 
441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 
  0   0   2   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 
461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 
  0   1   1   0   0   1   1   0   0   1   1   0   0   0   0   0   0   0   0   1 
481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 
  0   0   0   0   0   1   0   0   0   0   1   0   1   0   1   0   0   1   0   0 
501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 
  0   0   2   0   0   0   0   1   0   0   2   0   0   0   1   0   0   1   1   1 
521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 
  0   0   1   0   0   0   0   1   0   0   1   0   1   2   1   0   0   0   1   0 
541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 
  1   1   0   0   1   0   0   1   0   0   0   0   0   2   1   1   0   0   0   0 
561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 
  0   0   0   0   0   1   0   0   0   0   0   2   2   0   0   0   0   0   1   2 
581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 
  0   2   0   1   1   0   2   1   1   3   1   0   0   0   0   0   0   0   1   1 
601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 
  0   1   0   1   0   2   1   0   2   0   0   0   2   1   1   0   1   0   0   0 
621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 
  0   0   2   1   0   0   0   2   2   0   0   0   0   0   0   0   0   0   1   0 
641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 
  1   0   0   0   0   0   0   1   0   0   0   1   1   1   0   0   0   2   0   1 
661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 
  0   0   0   2   0   0   0   1   1   2   0   1   3   0   0   0   2   1   1   0 
681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 
  0   0   1   0   0   0   0   2   0   0   1   0   0   0   2   0   2   0   1   1 
701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 
  1   0   0   0   0   0   3   0   0   0   0   0   0   0   0   0   1   0   0   0 
721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 
  0   0   0   0   0   0   1   0   0   0   0   0   0   1   0   0   0   0   0   0 
741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 
  0   0   1   0   1   1   1   0   0   1   0   0   1   0   0   0   0   0   0   1 
761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 
  1   0   3   0   0   0   0   0   0   0   0   1   0   0   1   0   0   1   2   0 
781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 
  1   0   0   0   0   0   0   0   2   1   0   0   0   1   1   0   0   0   0   0 
801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 
  0   0   2   2   0   1   0   0   0   0   1   2   0   1   0   0   1   0   0   1 
821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 
  0   0   0   2   3   0   1   0   0   0   0   1   0   0   0   0   0   0   0   0 
841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 
  0   1   0   1   1   0   0   1   1   0   0   0   0   0   0   0   0   0   1   0 
861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 
  0   0   0   0   1   0   2   0   0   1   2   0   0   0   2   1   2   1   0   0 
881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 
  0   0   1   0   2   0   0   0   0   0   0   0   0   0   0   0   1   0   0   0 
901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 
  0   0   0   3   2   1   0   1   0   2   1   0   0   0   1   0   0   0   2   0 
921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 
  0   2   0   0   0   0   2   1   0   0   1   0   2   1   2 
   wage   hours      IQ     KWW    educ   exper  tenure     age married   black 
      0       0       0       0       0       0       0       0       0       0 
  south   urban    sibs brthord   meduc   feduc   lwage 
      0       0       0      83      78     194       0 
  [1]  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE
 [13] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE
 [25]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE
 [37] FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE FALSE  TRUE FALSE
 [49] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
 [61]  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE
 [73]  TRUE  TRUE  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE
 [85]  TRUE FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
 [97] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[109]  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE FALSE
[121]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[133]  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE
[145]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE
[157]  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE
[169]  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE
[181]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
[193] FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE
[205]  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[217]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE
[229] FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[241]  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[253] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE
[265]  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE
[277]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE
[289]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE FALSE FALSE  TRUE  TRUE
[301] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
[313]  TRUE FALSE  TRUE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE
[325]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE
[337]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE
[349]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE
[361]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE
[373]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[385] FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE FALSE  TRUE
[397]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE FALSE
[409]  TRUE  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[421] FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE
[433]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE
[445] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[457]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE
[469]  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE
[481]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
[493] FALSE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
[505]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE
[517]  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE
[529]  TRUE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE
[541] FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE
[553]  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[565]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE
[577]  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE
[589] FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE
[601]  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE
[613] FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE
[625]  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[637]  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE
[649]  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE
[661]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE
[673] FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE
[685]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE
[697] FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
[709]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[721]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
[733]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
[745] FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[757]  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
[769]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE
[781] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE
[793]  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE
[805]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE
[817] FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE
[829]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[841]  TRUE FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE
[853]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
[865] FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE
[877] FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE  TRUE
[889]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[901]  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE  TRUE
[913]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE
[925]  TRUE  TRUE FALSE FALSE  TRUE  TRUE FALSE  TRUE FALSE FALSE FALSE

Existe um outro tipo de missing value que é gerado de alguma operação numérica, sendo denominado de NaN (not a number). Exemplo é se algum número for dividido por zero ou log de um número negativo.

A função na.omit() cria um objeto com os missing deletados.


Rótulos nas variáveis


Use factor() para dados binários.

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.0000  1.0000  1.0000  0.9005  1.0000  1.0000 
não-casado     casado 
        66        597 

Use ordered() para dados ordenados

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  1.000   3.000   3.000   2.829   3.000   3.000 
Fora do mercado    Desempregado       Empregado 
            684             316            8822 

Todos os objetos no R possuem uma “class”.

  1. numeric
  2. logical
  3. integer
  4. double
  5. factor

Estas classes definem a forma do objeto:

  1. matrix
  2. array
  3. data.frame
  4. tibble
Rows: 9,822
Columns: 33
$ abuse      <int> 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,…
$ status     <int> 1, 3, 3, 3, 3, 3, 3, 1, 1, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3,…
$ unemrate   <dbl> 4.0, 4.0, 4.0, 3.3, 3.3, 3.3, 6.8, 6.8, 6.8, 6.8, 6.8, 6.8,…
$ age        <int> 50, 37, 53, 59, 43, 38, 34, 45, 47, 31, 43, 46, 36, 29, 32,…
$ educ       <int> 4, 12, 9, 11, 10, 10, 10, 2, 5, 12, 18, 12, 12, 16, 15, 12,…
$ married    <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ famsize    <int> 1, 5, 3, 1, 1, 1, 4, 2, 2, 1, 4, 1, 3, 2, 3, 4, 4, 3, 2, 3,…
$ white      <int> 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ exhealth   <int> 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 1, 0, 1, 0,…
$ vghealth   <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,…
$ goodhealth <int> 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 0, 1,…
$ fairhealth <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ northeast  <int> 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ midwest    <int> 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ south      <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ centcity   <int> 0, 0, 0, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0,…
$ outercity  <int> 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ qrt1       <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ qrt2       <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ qrt3       <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ beertax    <dbl> 0.334, 0.334, 0.334, 0.240, 0.240, 0.240, 0.158, 0.158, 0.1…
$ cigtax     <dbl> 38, 38, 38, 26, 26, 26, 20, 20, 20, 20, 20, 20, 20, 14, 14,…
$ ethanol    <dbl> 2.03946, 2.03946, 2.03946, 2.44998, 2.44998, 2.44998, 2.127…
$ mothalc    <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ fathalc    <int> 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1,…
$ livealc    <int> 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0,…
$ inwf       <int> 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ employ     <int> 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ agesq      <int> 2500, 1369, 2809, 3481, 1849, 1444, 1156, 2025, 2209, 961, …
$ beertaxsq  <dbl> 0.111556, 0.111556, 0.111556, 0.057600, 0.057600, 0.057600,…
$ cigtaxsq   <dbl> 1444, 1444, 1444, 676, 676, 676, 400, 400, 400, 400, 400, 4…
$ ethanolsq  <dbl> 4.159397, 4.159397, 4.159397, 6.002402, 6.002402, 6.002402,…
$ educsq     <int> 16, 144, 81, 121, 100, 100, 100, 4, 25, 144, 324, 144, 144,…

São importantes para o R pois para cada uma delas o R trabalha de uma maneira diferente.

É possível juntar vetores ou matrizes com os comandos cbind ou rbind. A diferença entre os dois é que o primeiro adiciona uma nova coluna e o segundo, uma linha.

       x  y
 [1,]  1 21
 [2,]  2 22
 [3,]  3 23
 [4,]  4 24
 [5,]  5 25
 [6,]  6 26
 [7,]  7 27
 [8,]  8 28
 [9,]  9 29
[10,] 10 30
[11,] 11 31
[12,] 12 32
[13,] 13 33
[14,] 14 34
[15,] 15 35
[16,] 16 36
[17,] 17 37
[18,] 18 38
[19,] 19 39
[20,] 20 40
  [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14]
x    1    2    3    4    5    6    7    8    9    10    11    12    13    14
y   21   22   23   24   25   26   27   28   29    30    31    32    33    34
  [,15] [,16] [,17] [,18] [,19] [,20]
x    15    16    17    18    19    20
y    35    36    37    38    39    40
[1] 20  2
[1]  2 20


Data Frames


Data frame é um outro tipo de objeto, como se fosse uma tabela (planilha de Excel, por exemplo). Nos data frames, normalmente as variáveis estão nas colunas e as observações nas linhas. É necessário que todas as colunas tenham o mesmo número de linhas.

É possível usar comandos para juntar objetos do R. Estes comandos podem criar data frames ou matrizes. Exemplo:

Rows: 20
Columns: 2
$ x <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20
$ y <int> 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, …

Normalmente, são utilizados data frames quando os dados são importados para o R. A forma mais simples de se construir um data frame é usar o comando read.table() para ler um conjunto de dados de um arquivo externo.

Quando se tem um data frame e se quer especificar uma coluna específica, seja para visualizar os dados ou fazer alguma estatística descritiva, existem algumas formas para se fazer isto. Uma delas é usando o $. Assim, considerando um data frame chamado mydata2, com diversas variáveis, se a pessoa quiser trabalhar apenas com a variável age (idade na quarta coluna), ele pode usar o comando mydata2$age ou então mydata2[,4].

Uma outra possibilidade é atachar os dados com o comando attach. Assim, attach(mydata2) possibilita o uso direto dos nomes das variáveis que estão nas colunas de mudata2, como por exemplo: summary(educ).

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   0.00   12.00   13.00   13.31   16.00   19.00 

Quando se cria novos objetos, mesmo que tenham o mesmo nome do que está dentro do data frame, ele não altera o que está dentro do data frame. Assim,

não irá alterar os valores que estão dentro do data frame e irá gerar um novo objeto, fora do data frame. Se quiser alterar o que está dentro do data frame, aí teria que usar o $.

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    1.0     8.0    11.0    11.4    15.0    22.0 
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.000   2.079   2.398   2.340   2.708   3.091 

Para apagar uma variável em um data frame existem várias formas:

    salario           hours             IQ             KWW       
 Min.   : 115.0   Min.   :25.00   Min.   : 54.0   Min.   :13.00  
 1st Qu.: 699.0   1st Qu.:40.00   1st Qu.: 94.0   1st Qu.:32.00  
 Median : 937.0   Median :40.00   Median :104.0   Median :37.00  
 Mean   : 988.5   Mean   :44.06   Mean   :102.5   Mean   :36.19  
 3rd Qu.:1200.0   3rd Qu.:48.00   3rd Qu.:113.0   3rd Qu.:41.00  
 Max.   :3078.0   Max.   :80.00   Max.   :145.0   Max.   :56.00  
      educ           tenure            age              married   
 Min.   : 9.00   Min.   : 0.000   Min.   :28.00   não-casado: 66  
 1st Qu.:12.00   1st Qu.: 3.000   1st Qu.:30.00   casado    :597  
 Median :13.00   Median : 7.000   Median :33.00                   
 Mean   :13.68   Mean   : 7.217   Mean   :32.98                   
 3rd Qu.:16.00   3rd Qu.:11.000   3rd Qu.:36.00                   
 Max.   :18.00   Max.   :22.000   Max.   :38.00                   
     black             south            urban             sibs       
 Min.   :0.00000   Min.   :0.0000   Min.   :0.0000   Min.   : 0.000  
 1st Qu.:0.00000   1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.: 1.000  
 Median :0.00000   Median :0.0000   Median :1.0000   Median : 2.000  
 Mean   :0.08145   Mean   :0.3228   Mean   :0.7195   Mean   : 2.846  
 3rd Qu.:0.00000   3rd Qu.:1.0000   3rd Qu.:1.0000   3rd Qu.: 4.000  
 Max.   :1.00000   Max.   :1.0000   Max.   :1.0000   Max.   :14.000  
    brthord           meduc               feduc           lwage      
 Min.   : 1.000   Min.   : 0.000001   Min.   : 0.00   Min.   :4.745  
 1st Qu.: 1.000   1st Qu.: 9.000000   1st Qu.: 8.00   1st Qu.:6.550  
 Median : 2.000   Median :12.000000   Median :11.00   Median :6.843  
 Mean   : 2.178   Mean   :10.828054   Mean   :10.27   Mean   :6.814  
 3rd Qu.: 3.000   3rd Qu.:12.000000   3rd Qu.:12.00   3rd Qu.:7.090  
 Max.   :10.000   Max.   :18.000000   Max.   :18.00   Max.   :8.032  
     hours             IQ             KWW             educ      
 Min.   :25.00   Min.   : 54.0   Min.   :13.00   Min.   : 9.00  
 1st Qu.:40.00   1st Qu.: 94.0   1st Qu.:32.00   1st Qu.:12.00  
 Median :40.00   Median :104.0   Median :37.00   Median :13.00  
 Mean   :44.06   Mean   :102.5   Mean   :36.19   Mean   :13.68  
 3rd Qu.:48.00   3rd Qu.:113.0   3rd Qu.:41.00   3rd Qu.:16.00  
 Max.   :80.00   Max.   :145.0   Max.   :56.00   Max.   :18.00  
     tenure            age              married        black        
 Min.   : 0.000   Min.   :28.00   não-casado: 66   Min.   :0.00000  
 1st Qu.: 3.000   1st Qu.:30.00   casado    :597   1st Qu.:0.00000  
 Median : 7.000   Median :33.00                    Median :0.00000  
 Mean   : 7.217   Mean   :32.98                    Mean   :0.08145  
 3rd Qu.:11.000   3rd Qu.:36.00                    3rd Qu.:0.00000  
 Max.   :22.000   Max.   :38.00                    Max.   :1.00000  
     south            urban             sibs           brthord      
 Min.   :0.0000   Min.   :0.0000   Min.   : 0.000   Min.   : 1.000  
 1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.: 1.000   1st Qu.: 1.000  
 Median :0.0000   Median :1.0000   Median : 2.000   Median : 2.000  
 Mean   :0.3228   Mean   :0.7195   Mean   : 2.846   Mean   : 2.178  
 3rd Qu.:1.0000   3rd Qu.:1.0000   3rd Qu.: 4.000   3rd Qu.: 3.000  
 Max.   :1.0000   Max.   :1.0000   Max.   :14.000   Max.   :10.000  
     meduc               feduc           lwage      
 Min.   : 0.000001   Min.   : 0.00   Min.   :4.745  
 1st Qu.: 9.000000   1st Qu.: 8.00   1st Qu.:6.550  
 Median :12.000000   Median :11.00   Median :6.843  
 Mean   :10.828054   Mean   :10.27   Mean   :6.814  
 3rd Qu.:12.000000   3rd Qu.:12.00   3rd Qu.:7.090  
 Max.   :18.000000   Max.   :18.00   Max.   :8.032  


Definindo o diretório de trabalho


Uma questão de extrema importância, que ajuda a organizar os arquivos, é definir um diretório de trabalho. Uma vez definido, a pessoa pode importar arquivos, salvar resultados, etc.

Para isto, são necessários dois comandos. O primeiro é o getwd(), para se verificar o diretório de trabalho atual. O segundo é o setwd(), para você definir qual o diretório quer trabalhar.


Importação de dados - arquivo .csv


Na grande maioria das vezes, os dados seráo importados de arquivos externos. No caso de arquivo .csv, a primeira questão é entender como o arquivo é. Assim, antes de importar, é importante abrir o arquivo, ver se está separado por vírgulas ou ponto e vírgula, se o simbolo decimal é vírgula ou ponto, se possui cabeçalho com os nomes das variáveis, etc.

[1] "/Users/jricardofl/Dropbox/Facape/2024/20242/Econometria I/econ1_aulaR/aulaR"
Rows: 23
Columns: 3
$ CLFPR <dbl> 63.8, 63.9, 64.0, 64.0, 64.4, 64.8, 65.3, 65.6, 65.9, 66.5, 66.5…
$ CUNR  <dbl> 7.1, 7.6, 9.7, 9.6, 7.5, 7.2, 7.0, 6.2, 5.5, 5.3, 5.6, 6.8, 7.5,…
$ AHE82 <dbl> 7.78, 7.69, 7.68, 7.79, 7.80, 7.77, 7.81, 7.73, 7.69, 7.64, 7.52…
     CLFPR            CUNR           AHE82      
 Min.   :63.80   Min.   :4.000   Min.   :7.390  
 1st Qu.:65.05   1st Qu.:5.350   1st Qu.:7.485  
 Median :66.40   Median :6.100   Median :7.690  
 Mean   :65.90   Mean   :6.296   Mean   :7.677  
 3rd Qu.:66.70   3rd Qu.:7.150   3rd Qu.:7.795  
 Max.   :67.20   Max.   :9.700   Max.   :8.140  


Importação de dados - arquivo .xls ou xlsx


No caso de arquivos do Excel (.xls ou xlsx), a forma mais prática é usar o pacote readxl. Veja o help do readxl para maiores informações:

Rows: 31
Columns: 3
$ ...1            <dttm> 2018-12-01, 2019-01-01, 2019-02-01, 2019-03-01, 2019-…
$ custo_petrolina <dbl> 303.2811, 297.0438, 318.1675, 341.2856, 338.8838, 352.…
$ tendencia       <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,…
      ...1                        custo_petrolina   tendencia   
 Min.   :2018-12-01 00:00:00.00   Min.   :297.0   Min.   : 1.0  
 1st Qu.:2019-07-16 12:00:00.00   1st Qu.:326.8   1st Qu.: 8.5  
 Median :2020-08-01 00:00:00.00   Median :356.4   Median :16.0  
 Mean   :2020-05-19 03:52:15.48   Mean   :386.2   Mean   :16.0  
 3rd Qu.:2021-03-16 12:00:00.00   3rd Qu.:445.4   3rd Qu.:23.5  
 Max.   :2021-11-01 00:00:00.00   Max.   :482.1   Max.   :31.0  


Salvar os dados


Contudo, se o interesse for em salvar os dados (todos os objetos) para o R:


Explorando os dados e o espaço de trabalho


      ...1                        custo_petrolina   tendencia   
 Min.   :2018-12-01 00:00:00.00   Min.   :297.0   Min.   : 1.0  
 1st Qu.:2019-07-16 12:00:00.00   1st Qu.:326.8   1st Qu.: 8.5  
 Median :2020-08-01 00:00:00.00   Median :356.4   Median :16.0  
 Mean   :2020-05-19 03:52:15.48   Mean   :386.2   Mean   :16.0  
 3rd Qu.:2021-03-16 12:00:00.00   3rd Qu.:445.4   3rd Qu.:23.5  
 Max.   :2021-11-01 00:00:00.00   Max.   :482.1   Max.   :31.0  
tibble [31 × 3] (S3: tbl_df/tbl/data.frame)
 $ ...1           : POSIXct[1:31], format: "2018-12-01" "2019-01-01" ...
 $ custo_petrolina: num [1:31] 303 297 318 341 339 ...
 $ tendencia      : num [1:31] 1 2 3 4 5 6 7 8 9 10 ...
Rows: 31
Columns: 3
$ ...1            <dttm> 2018-12-01, 2019-01-01, 2019-02-01, 2019-03-01, 2019-…
$ custo_petrolina <dbl> 303.2811, 297.0438, 318.1675, 341.2856, 338.8838, 352.…
$ tendencia       <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,…
[1] "...1"            "custo_petrolina" "tendencia"      
[1] 3


Ferramentas para tratamento de dados


Parte significante do trabalho de análise de dados envolve trabalhar bases brutas e transformá-las em formatos mais interessantes. O R já vem com ferramentas para isso, mas elas não são tão eficientes quanto as disponibilizadas no pacote dplyr. A ideia do dplyr é oferecer uma gramática dos dados, uma maneira concisa e clara de manipulá-los. flights vai carregar a base com os vôos:

filter() te permite selecionar subconjuntos dos seus dados baseado em seus valores. O primeiro argumento é sempre um objeto data.frame, os subsequentes são argumentos lógicos que selecionem o que você quer:

arrange() funciona de maneira similar, mas ao invés de escolher pedaços dos dados, altera sua ordem. Alimentamos sempre um objeto data.frame e depois dizemos - em ordem - quais variáveis devem ser usadas para ordenação:

É comum trabalhar com bases de dados que tenham centenas ou mesmo milhares de variáveis. Para isso pode-se usar select() e simplificar a tarefa.

  • Para renomear variáveis usa-se rename()

É comum precisar criar variáveis e isso pode ser feito com mutate(), que sempre irá adicionar a variável que especificarmos ao final do data.frame. Vamos gerar um objeto desssa classe, menor, e depois introduzir duas variáveis, gain que será a diferença dos atrasos de partida e chegada e speed, a velocidade média do vôo.

Se você quer somente as variáveis geradas, então use transmute():


Operador Pipe


Pipes (|>) (ou tubos) são uma ferramenta poderosa para expressar claramente uma sequência de várias operações. Pipes (|>), são carregados através do pacote magrittr. O objetivo do pipe é ajudá-lo a escrever código de uma maneira que seja mais fácil de ler e entender.

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1051    2478    3495    4008    4950   17829 
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1051    2478    3495    4008    4950   17829 

function (x, ...) 
UseMethod("print")
<bytecode: 0x7ff60c9b6818>
<environment: namespace:base>


A sequência de códigos contida no pipe pode ser descrita como uma espécie de receita:

  1. pegue os dados do bebê e depois
  2. filtre-o de modo que o nome da sub-string do caractere 1 a 3 seja igual a “Ste” e, em seguida,
  3. agrupe-o por ano e sexo, depois
  4. resuma-o calculando a soma total de cada grupo e, em seguida,
  5. traçar os resultados, colorindo por sexo, depois
  6. adicione um título e, em seguida,
  7. imprima na tela.

O exemplo ilustra alguns recursos do |>. Em primeiro lugar, as funções dplyr filter, group_by e summarise, todos tomam como primeiro argumento um objeto de dados e, por padrão, é onde o |> o colocará no seu lado esquerdo.

Os dados de nomes de bebês são inseridos como primeiro argumento na chamada para filter. Quando a filtragem é concluída, o resultado é passado como o primeiro argumento para group_by e da mesma forma para summarise.

No entanto, nem sempre é uma sorte que uma função seja projetada para aceitar os dados (ou o que quer que você esteja transmitindo) como seu primeiro argumento (as funções dplyr são projetadas com |> de operações em mente). É o caso de, por exemplo, qplot, mas observe os dados =. argumento. Isso indica a |> para colocar o lado esquerdo lá, e não como o primeiro argumento. Essa é uma maneira simples e natural de acomodar a falta de consistência das assinaturas de funções e permite que o lado esquerdo vá para qualquer lugar da chamada no lado direito.

Além disso, print é usada sem parênteses; isso é para tornar o código ainda mais limpo quando apenas um lado esquerdo for necessário como entrada. Por fim, observe que |> pode ser usado de forma aninhada (uma cadeia separada é encontrada na chamada de filter) e que o magrittr possui aliases para operadores comumente usados, como adicionar para + e igual a == usado acima. Isso torna as cadeias de pipes mais legíveis (não necessariamente menores).


Outros exemplos com Pipe


Imagine que estamos procurando uma relação entre algumas variáveis dos dados:

Foi feita uma sequência de passos grande e facilmente algo poderia ter saído errado. Além de que, qualquer alteração em uma linha de código provavelmente vai exigir que se altere em outras. Resolvemos isso com o operador |>, o Pipe. Entenda ele como um cano, que “engata” funções.

Um código muito mais legível e rápido. Note que o pipe deve ser posto sempre como o sinal positivo em gráficos do ggplot2. Voltando aos dados, pode-se querer cruzar atrasos com números de vôos no dia.

Talvez não seja muito interessante manter na nossa análise exploratória dados de dias com pouquíssimos vôos - já que tendem a ser anômalos. Com um pipe, isso vira uma breve alteração no código: